ビジネス・ブレークスルーHOMEへ | 会社概要 | BBTサービス一覧 | サイトマップ | BBTサイトについて | お問い合わせ一覧 |

ログイン
デジタル化社会の発展とアナリティクスの可能性 > デジタル化社会の発展とアナリティクスの可能性 02

アナリティクスの基礎


概要:
世の中の有象無象がデジタル化されることによって、ビジネス形態や社会に大きな変化がもたらされている現在、そこに重要な役割を果たすアナリティクス(分析論)のさらなる可能性を考察していこうという当シリーズ。講師には、米ニューヨーク市行政でも活躍したデータサイエンティストの工藤卓哉氏を迎える。デジタル化社会の裏側を支えるデータやデバイスが普及しても、それを使って知見を集める解析が確立していないと、膨大なデータもごみと化しかねない。今回はアナリティクスの基本概要を解説していただく。
SkyPerfecTV 757Ch 放送日

終了 2018年11月16日 (Fri) 04:00
終了 2018年11月13日 (Tue) 14:00
終了 2018年07月27日 (Fri) 04:00
終了 2018年07月24日 (Tue) 14:00
終了 2018年04月06日 (Fri) 04:00
終了 2018年04月03日 (Tue) 14:00
終了 2017年10月06日 (Fri) 04:00
終了 2017年10月03日 (Tue) 14:00
終了 2017年07月07日 (Fri) 04:00
終了 2017年07月04日 (Tue) 14:00
終了 2016年12月28日 (Wed) 04:00
終了 2016年12月25日 (Sun) 14:00
終了 2016年06月01日 (Wed) 04:00
終了 2016年05月29日 (Sun) 14:00
終了 2016年03月17日 (Thu) 01:00
終了 2016年02月06日 (Sat) 02:00
終了 2016年02月01日 (Mon) 11:00
終了 2016年01月30日 (Sat) 22:00
終了 2016年01月26日 (Tue) 20:00
終了 2015年12月10日 (Thu) 02:00
終了 2015年11月02日 (Mon) 02:00
終了 2015年10月21日 (Wed) 12:00
終了 2015年10月19日 (Mon) 23:00
終了 2015年10月15日 (Thu) 21:00
終了 2015年09月29日 (Tue) 01:00
終了 2015年08月12日 (Wed) 12:00
終了 2015年08月10日 (Mon) 23:00
終了 2015年08月06日 (Thu) 21:00
終了 2015年06月08日 (Mon) 12:00
終了 2015年06月06日 (Sat) 23:00
終了 2015年06月02日 (Tue) 21:00
終了 2015年05月19日 (Tue) 11:00
終了 2015年05月17日 (Sun) 22:00
終了 2015年05月13日 (Wed) 20:00
終了 2015年04月22日 (Wed) 11:00
終了 2015年04月20日 (Mon) 22:00
終了 2015年04月16日 (Thu) 20:00
初回 2015年04月16日 (Thu) 20:00

講義資料 (2326Kbyte) (要パスワード)



ロボットを動かすとき、入力として作業の命令を与えてやれば、出力として実際の作業をしてくれる。アナリティクスも、ある数式に値を入れてやれば、アルゴリズムで処理された予測の値が返ってくる。入力と出力が基本のロボットと同じような仕組みを持つが、最終目的は意思決定への関与だから、アナリティクスは単なる数字の解析ではなく、データ活用における科学的根拠に基づいた意思決定のプロセスと言い換えられるだろう。
ミサイルを発射する際に足元が不安定では的に当たる確率が減るように、データは前提次第でいかようにも解釈が可能になるため欲しているものが得づらい。単にデータがたくさんあるからここから何か分析しようとするなら作業は混迷必至だろう。発射台となる分析の前提や的となる目的を確固たるものとして、アナリティクスに取り掛かる必要がある。
アナリティクスには、Sample(データ収集)、Explore(データパターンや説明変数の探索)、Modify(変数による試行錯誤)、Model(予測モデルの作成)、Assess(評価)からなる、SEMMAプロセスと呼ばれる構造があり、これが全体の肝に等しい。一般的なアナリティクス手順に、企業による売り上げ予測プロジェクトの流れを重ねてみると、前提と目的の確立(課題定義・仮説立案)、SEMMA(分析・仮説検証)、データの可視化と統計値配信(提言)、データ利活用(運用)となる。精度向上に結果の評価や振り返りは不可欠だ。
デジタルマーケティングを得意とするグーグルなどは、人間の恣意性を排除しクッキーやログデータだけを使って機械学習を高度化していくことに成功しているが、大多数の企業はいまだアナリティクスに人が関わっている。組織横断でさまざまな専門性を高め、異質を受け入れる謙虚さや、失敗を恐れぬ探求心、創造性を持った人間のスキルを融合して意思決定のプロセスを考えることで、アナリティクスは真の力を発揮していくだろう。
 講義タイムテーブル:
スライド 時間 タイトル
00: 00: 00 アナリティクスの基礎
00: 00: 43 デジタル化社会の発展とアナリティクスの可能性
00: 01: 31 第2回 目次
00: 03: 22 アナリティクス概要
00: 03: 28 アナリティクスとは?(1)
00: 03: 30 アナリティクスとは?(2)
00: 05: 03 アナリティクスとは?簡単に言うと…
00: 05: 56 アナリティクスとは?少し難しく言うと…
00: 06: 44 プロセスを構造化すると…
00: 09: 47 プロセスの構造化
00: 09: 56 発射台と的(1)
00: 10: 00 発射台と的(2)
00: 12: 24 発射台と的(3)
00: 12: 28 発射台と的(4)
00: 13: 39 発射台と的(5)
00: 13: 41 発射台と的(6)
00: 13: 46 アナリティクスプロジェクト全体像
00: 15: 43 アナリティクスの活用目的
00: 19: 14 理論と実践
00: 19: 51 慶応大学での授業の狙い
00: 20: 13 ビデオクリップ - 【慶應×アクセンチュアDIG】最終プレゼン
00: 22: 36 アナリティクスの基本
00: 22: 38 アナリティクスの基本(1)
00: 22: 40 アナリティクスの基本(2)
00: 23: 05 まずは…
00: 23: 13 謙虚さに行く前に小ネタ データは語る(Data speaks for itself.)
00: 24: 22 謙虚さ
00: 25: 19 視点の柔軟性
00: 25: 57 まず頭の体操
00: 27: 26 どう見るかは前提次第
00: 27: 54 やっぱり客観性は必要(1)
00: 27: 57 どう見るかは前提次第
00: 27: 58 やっぱり客観性は必要(2)
00: 29: 16 そこで統計学
00: 29: 48 やっぱり客観性は必要(3)
00: 29: 56 やっぱり客観性は必要(4)
00: 30: 36 やっぱり客観性は必要(5)
00: 31: 01 データとアルゴリズム
00: 31: 17 データ活用の変遷と現状
00: 31: 33 アナリティクス・フレームワーク
00: 32: 35 教師なし・教師あり学習事例 通信A社)(1)
00: 32: 47 教師なし・教師あり学習事例 通信A社)(2)
00: 33: 16 教師なし・教師あり学習事例 通信A社)(3)
00: 33: 21 教師なし学習事例 通信A社)端末価格弾力性の分析(1)
00: 33: 28 教師なし学習事例 通信A社)端末価格弾力性の分析(2)
00: 34: 23 教師なし学習事例 通信A社)端末価格弾力性の分析(3)
00: 34: 25 教師なし学習事例 通信A社)端末価格弾力性の分析(4)
00: 34: 32 教師なし学習事例 通信A社)端末価格弾力性の分析(5)
00: 34: 59 教師あり学習事例 通信A社)端末販売数予測&最適化(1)
00: 35: 18 教師あり学習事例 通信A社)端末販売数予測&最適化(2)
00: 36: 03 中間的手法事例 Deep Learning(1)
00: 39: 55 中間的手法事例 Deep Learning(2)
00: 40: 24 中間的手法事例 Deep Learning(3)
00: 42: 19 中間的手法事例 通信D社)不具合情報早期検知(1/2)
00: 45: 18 中間的手法事例 通信D社)不具合情報早期検知(2/2)-1
00: 45: 51 中間的手法事例 通信D社)不具合情報早期検知(2/2)-2
00: 45: 55 中間的手法事例 通信D社)不具合情報早期検知(2/2)-1
00: 45: 57 中間的手法事例 通信D社)不具合情報早期検知(2/2)-2
00: 46: 13 中間的手法事例 センサーデータを利用した動線分析(1)
00: 46: 38 中間的手法事例 センサーデータを利用した動線分析(2)
00: 47: 15 アナリティクスを支えるシステムと体制
00: 47: 27 アナリティクスを支えるシステム基盤(1)
00: 47: 56 アナリティクスを支えるシステム基盤(2)
00: 48: 48 成功に向けた体制
00: 48: 55 やれる人間がやればいい
00: 50: 36 組織を横断しての連携
00: 51: 39 柔軟さ
00: 52: 30 完璧主義が日本を駄目にする!(1)
00: 52: 54 完璧主義が日本を駄目にする!(2)
00: 53: 22 実際にあった笑えない話!(1)
00: 53: 53 実際にあった笑えない話!(2)
00: 54: 19 出るくいは打たれるは、良くも悪くも使い分けが重要
00: 54: 53 やはり試行(Iteration)は重要!(1)
00: 54: 55 やはり試行(Iteration)は重要!(2)
00: 55: 24 専門性×人間性
00: 58: 14 最後に(1)
00: 58: 23 最後に(2)
00: 58: 24 最後に(3)
00: 58: 41 最後に(4)
00: 58: 47 最後に(5)
講師紹介: 工藤 卓哉(くどう たくや)
アクセンチュア アナリティクス日本統括 マネジング・ディレクター

『工藤 卓哉』をamazon.co.jpで検索
  アシスタント:坂本 安代

Copyright(c)